| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-26页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.1.1 课题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 污泥膨胀测量研究现状 | 第12-20页 |
| 1.2.1 污泥膨胀概念及相关理论 | 第12-18页 |
| 1.2.2 污泥膨胀测量现状 | 第18-20页 |
| 1.3 递归神经网络的研究现状 | 第20-23页 |
| 1.3.1 递归神经网络结构自组织方法研究现状 | 第21-22页 |
| 1.3.2 递归神经网络算法研究现状 | 第22-23页 |
| 1.4 课题来源 | 第23页 |
| 1.5 研究内容及论文安排 | 第23-26页 |
| 第2章 污泥体积指数SVI软测量模型设计 | 第26-36页 |
| 2.1 SVI定义与机理分析 | 第26-27页 |
| 2.1.1 SVI定义 | 第26页 |
| 2.1.2 机理分析 | 第26-27页 |
| 2.2 SVI软测量原理 | 第27-31页 |
| 2.3 辅助变量确定 | 第31-33页 |
| 2.3.1 数据采集和预处理 | 第31-32页 |
| 2.3.2 辅助变量精选 | 第32-33页 |
| 2.4 软测量模型结构设计 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 尖峰自组织递归RBF神经网络 | 第36-56页 |
| 3.1 递归RBF神经网络 | 第36-38页 |
| 3.2 结构自组织机制设计 | 第38-42页 |
| 3.2.1 尖峰神经元模型分析 | 第38-40页 |
| 3.2.2 基于尖峰IF模型的自组织机制 | 第40-42页 |
| 3.3 尖峰自组织递归RBF神经网络 | 第42-46页 |
| 3.3.1 结构调整算法 | 第42-43页 |
| 3.3.2 自适应梯度下降算法 | 第43-44页 |
| 3.3.3 实现流程 | 第44-46页 |
| 3.4 收敛性分析 | 第46-50页 |
| 3.4.1 结构固定时网络收敛性分析 | 第46-48页 |
| 3.4.2 结构调整时网络收敛性分析 | 第48-50页 |
| 3.5 实验结果及结果分析 | 第50-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第4章 基于尖峰SR-RBF神经网络的SVI软测量研究 | 第56-66页 |
| 4.1 基于SR-RBF神经网络的SVI软测量模型结构框架 | 第56-57页 |
| 4.2 SVI软测量模型 | 第57-61页 |
| 4.2.1 SVI软测量模型的训练与预测 | 第57-60页 |
| 4.2.2 SVI软测量模型的校正 | 第60页 |
| 4.2.3 SVI软测量模型评价指标 | 第60-61页 |
| 4.3 实验结果及结果分析 | 第61-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 污泥膨胀SVI智能预测系统开发 | 第66-74页 |
| 5.1 系统开发需求分析和开发目标 | 第66-67页 |
| 5.1.1 系统开发需求分析 | 第66页 |
| 5.1.2 系统开发目标 | 第66-67页 |
| 5.2 软件系统总体设计 | 第67-68页 |
| 5.3 软件系统功能开发 | 第68-73页 |
| 5.3.1 用户信息存储模块设计及实现 | 第68-69页 |
| 5.3.2 软件登录模块设计及实现 | 第69-70页 |
| 5.3.3 数据处理模块设计及实现 | 第70页 |
| 5.3.4 训练及仿真模块设计及实现 | 第70-73页 |
| 5.3.5 结果查询模块设计及实现 | 第73页 |
| 5.4 本章小结 | 第73-74页 |
| 结论与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士学位期间的成果 | 第82-84页 |
| 致谢 | 第84页 |